Herculean：一个面向金融智能的代理基准测试

随着 AI 代理能力的提升，核心问题已转向其能否可靠地执行专业金融工作。现有基准仅评估静态能力，存在局限。本文推出 Herculean，这是首个涵盖交易、对冲、市场洞察和审计四大工作流的金融智能代理技能基准。每个工作流均实例化为基于 MCP 的标准技能环境，具备专属工具、交互动态及成功标准，支持对异构代理系统进行端到端评估。研究发现，代理在交易和市场洞察表现尚可，但在需长程协调与状态一致性的对冲和审计任务中表现欠佳，揭示了当前代理将金融推理转化为可靠工作流执行的关键差距。